【技术实现步骤摘要】
基于赫斯特指数的动力电池SOP预测方法、存储介质及设备
[0001]本专利技术涉及电动汽车领域中动力电池负载功率的预测
,具体涉及一种基于赫斯特指数的动力电池SOP预测方法、存储介质及设备。
技术介绍
[0002]电池组得负载预测对电池管理系统的设计与开发有着重要的意义。负荷预测越精确,电池系统才能够更安全、稳定、经济、健康的运行,对于电池系统的有效保护和控制策略的指定有着重要的影响;精确的负荷预测可以使电池系统的能量调度和管理等更加合理科学,可以指导电动车厂家制定合理的限制功率计划,避免造成电能过剩和过打或者过小的功率伤害电气元件的情况。近年来,负荷预测方法层出不穷,经过试验验证也有一定的准确性,但是,目前的方法都存在一些固有缺陷,如响应时间太长、考虑影响因素不够全面、只能进行短期负荷预测或长期负荷预测等,为了解决该类问题,本专利技术提出了基于赫斯特指数和分形理论的功率即SOP预测方法。
技术实现思路
[0003]本专利技术提出的一种基于赫斯特指数的动力电池SOP预测方法、存储介质及设备,利用赫斯特指数中重标极差(R/S)分析法的与分形方法实现在收集一段时间的SOP数据之后,进行短时预测SOP的目的。
[0004]为实现上述目的,本专利技术采用了以下技术方案:
[0005]一种基于赫斯特指数的动力电池SOP预测方法,包括以下步骤,
[0006]以电动大巴车的历史负荷数据作为一个有序的时间序列,进行相关计算,得出赫斯特指数H的值,并以此值作为未来一段时间的负荷变化趋势的判 ...
【技术保护点】
【技术特征摘要】
1.一种基于赫斯特指数的动力电池SOP预测方法,其特征在于,包括通过计算机设备实现以下步骤,以电动大巴车的历史负荷数据作为一个有序的时间序列,进行相关计算,得出赫斯特指数H的值,并以此值作为未来一段时间的负荷变化趋势的判断依据;在上述基础上,再通过分形理论,将一个赫斯特指数值的序列进行分组计算,最终进行电池SOP的预测。2.根据权利要求1所述的基于赫斯特指数的动力电池SOP预测方法,其特征在于:具体包括以下步骤,S1:先行获取收集一段时间的在BMS上采集到的电池SOP数据;S2:将收集到的长度为M的SOP时间序列{X
i
}等分成长度为n的W个连续的子序列,其中,n≥3,W即M/n的整数部分,每个子序列记作F
a
(a=1,2,...W),每个子序列中的元素记作Q
r,a
;S3:计算每个长度为n的子序列F
a
的均值:S4:计算每个子序列F
a
偏离子序列均值的累积离差:S5:计算每个子序列的F
a
极差R
a
=max
1≤t≤n
(X
t,a
)
‑
min
1≤t≤n
(X
t,a
)S6:计算每个子序列F
a
的标准偏差:S7:比较不同类型的时间序列,将每个子序列的标准偏差S
a
去除极差R
a
:(R/S)
a
=(R
a
/S
a
)S8:对每个子序列重复S3
‑
S7步骤,计算得到一个重标极差序列(R/S),计算该序列的均值:S9:列出该序列值的赫斯特指数值:其中,c为常数,n为观察值的个数,H为赫斯特指数;对S9式两边同时求对数可得:log(R/S)=Hlog(n)+logc;以log(R/S)为因变数,log(n)为自变量用最小二乘法做回归分析,求出来的值就是赫斯特指数值H;
S10:将新的序列分组方法计算所得赫斯特指数值利用分形的方法进行处...
【专利技术属性】
技术研发人员:单毅,胡攀攀,
申请(专利权)人:合肥国轩高科动力能源有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。